Variation Model

最新推荐文章于 2024-07-19 09:13:11 发布

叫我老猫

最新推荐文章于 2024-07-19 09:13:11 发布

阅读量4.7k

点赞数 5

文章标签： Halcon

本文链接：https://blog.csdn.net/qq_34883163/article/details/79887710

版权

这篇博客介绍了如何使用Halcon的变模型算子进行物体检测。包括prepare_variation_model、prepare_direct_variation_model以及compare_variation_model这三个关键步骤。在compare_variation_model中，强调了待检测图像必须与模板图像对齐的要求。

摘要由CSDN通过智能技术生成

简介： Variation Model 的主要原理是将待检测的图像与一张标准图像作比较，找出待检测图像与标准图像（idealimage）的明显差异（也就是不良）。标准图像可以采用几张OK品的图像训练（training）得到，也可以通过对一张OK品图像进行处理得到。训练后得到标准图像和一张variation图像（variationimage），variation图像中包含了图像中每个像素点灰度值允许变化的范围。标准图像和variation图像用来创建一个variationmodel ，如此，其他图像就可以与variationmodel作比较了。（引用http://blog.sina.com.cn/s/blog_802a94a20102v10y.html）

算子：create_variation_model( : : Width, Height, Type, Mode : ModelID)

输入参数：width、Height是模板和待检测图像的尺寸。

输入参数：Type，是图像的类型。

输入参数：Model，决定如何计算idealimage和variationimage，其有三种模式

1、standard，该模式下，可以使用算子train_variation_model对多张图片进行迭代训练，此时ideal image是通过计算多张图片的平均值获得，variation image是通过计算多张图片的标准方差获得。该模式的优点是可以迭代计算多张good image，缺点是在训练图片时，一旦有不良的图片混入会导致算法检测时出现误判。

注意：在训练多张图片时，每张图片的位置、角度都必须一致，可使用基于形状匹配来进行定位处理，然后在进行训练train_variation_model，

2、'robust'，如果在训练多张图片时，无法避免训练的图片中出现晓得下次，可以使用该模式。此时，ideal image时通过计算多张图片的中值获得，variation image也是通过计算多张图片中值获得。该模式的优点是鲁棒性更强，缺点是无法进行迭代预算。

注意：训练多张张图片时，每张图片的位置、角度必须一致，然后使用concat_obj将图片组合起来，在使用train_variation_model进行训练。

以上两种模式下，训练完图片后只能使用prepare_variation_model算子准备用于图像比较的模板。